论文部分内容阅读
协同进化算法(最早在1991年由Hillis提出)是近年来在协同进化论基础上发展起来的一类新的进化算法,它在进化算法的基础上,考虑了种群与种群之间、种群与环境之间在进化过程中的协调;1995年Storn和Price给出的差异演化是一种基于群体差异的计算智能类优化算法,具有全局并行快速搜索的特点,已成功应用于各种全局优化问题。本文将协同演化方法与差异演化算法相结合应用于高维复杂函数优化问题方面,主要做了以下几方面的工作:(1)本文在差异演化算法和合作式协同演化框架的基础上,给出了一种协同差异演化方法(简称CCDE)。该方法将复杂问题空间分解为多个较小子空间分配给各子种群,然后各子种群内部采用差异演化算法的交叉、变异和选择操作进行演化,对于各子种群之间则以协同方式共同演化。此外,为了探讨不同的合作者选择方式对计算性能的影响,本文设置了两种实验方法,CCDE-1(合作个体选择当前最优个体)和CCDE-2(子种群中的每个个体分别与随机选择的合作个体和当前最优的个体进行组合计算出适应值,择取其中较好的作为目标函数的适应值计算方法),测试了三个典型函数,表现最好的是本文的CCDE-2。实验结果表明,对于弱耦合函数,CCDE-1和CCDE-2方法的计算性能远远超越传统GA算法;而对于强耦合函数,CCDE-2方法的计算性能优于CCDE-1。(2)本文在CCDE的基础上引入了高斯变异算子,提出了协同混合遗传差异演化方法(简称CGDE)。该算法首先采用差异演化算法的交叉、变异操作生成新个体,随后对该个体施加了遗传算法的高斯变异操作,达到保持种群多样性和加速收敛的效果,再使用差异演化的选择操作选拔较优个体构成新种群,并以此循环演化。本文用CGDE方法对11个标准函数进行了仿真实验,结果表明,本文给出的CGDE方法在收敛速度,计算所得平均值,最好值及函数评价次数等方面均优于本文给出的协同差异演化方法(CCDE),差异演化方法(DE)和传统遗传算法(GA)。这一结论证实CGDE的有效性和可行性,具有很好的研究价值和应用价值。